Vai al contenuto
Crypto.world

Ricerca

Rilevamento precoce dei rug pull su Solana

Le piattaforme Web3 che aiutano gli utenti a scoprire e negoziare token cripto appena lanciati — tra cui launchpad, interfacce di exchange decentralizzati (DEX), wallet e siti di analisi dei token…

Rilevamento precoce dei rug pull su Solana
arXiv
2611.13342
Pubblicato
2026-11-09
Autori
Saba Heydaridoost, Kasra Kashani, Mohammad Mowlavi Sorond, Behnam Bahrak

Abstract degli autori

Le piattaforme Web3 che aiutano gli utenti a scoprire e negoziare token cripto appena lanciati — tra cui launchpad, interfacce di exchange decentralizzati (DEX), wallet e siti di analisi dei token — devono valutare i token prima che sia chiaro se sono legittimi. Su Solana, dove creare token costa poco e i token si basano su programmi standard anziché su smart contract personalizzati per ciascun token, i rug pull possono svolgersi nel giro di pochi minuti. Gli avvisi efficaci devono quindi basarsi su serie storiche limitate. Sebbene le reti neurali a grafo (GNN) abbiano migliorato il rilevamento dei rug pull sulle blockchain EVM, non è ancora chiaro se la struttura dei trasferimenti aggiunga valore predittivo rispetto ai modelli non basati su grafi nei momenti decisionali su scala di minuti, né come tale valore cambi man mano che si accumulano dati storici. Studiamo 2.700 token campionati da SolRPDS, raccogliendo da Birdeye serie storiche di mercato con frequenza di un minuto e trasferimenti di token da Solana RPC. Definiamo operativamente un rug pull richiedendo un drenaggio della liquidità, un crollo del prezzo e un persistente esaurimento della liquidità nell’arco di un periodo nominale di 24 ore dopo la creazione del token. Tutte le caratteristiche si basano esclusivamente sulle informazioni disponibili entro il momento limite di ciascuna previsione. Valutiamo finestre di osservazione di 12,5, 35,5 e 93 minuti, selezionate in anticipo sulla base della distribuzione pubblicata della durata dei rug pull su Solana, e rappresentiamo ciascun token come un grafo temporale dei trasferimenti. Già nei primi 12,5 minuti, i grafi dei rug pull e quelli dei casi senza rug pull differiscono per dimensioni, densità, reciprocità e centralizzazione dal lato dei destinatari. Confrontiamo le GNN con modelli non basati su grafi appaiati, usando le stesse caratteristiche a livello di token e di riepilogo del grafo sugli stessi campioni. Un panel fisso di token osservati in tutte e tre le finestre consente inoltre di isolare l’effetto di un’osservazione più lunga dai cambiamenti nella popolazione dei token. I nostri risultati orientano la progettazione di meccanismi di allerta precoce per i token Solana appena lanciati nelle interfacce Web3.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv